1

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

1

POPRAWNOŚĆ PROGRAMÓW

Na poprawność programu komputerowego składa się:

poprawność algorytmu,

poprawność zapisu w języku programowania.

Jeśli uważasz, że jakiś program komputerowy jest bezbłędny,
to się mylisz – po prostu nie zauważyłeś jeszcze skutków
błędu, który jest w nim zawarty.

☺





Na poprawność algorytmu składa się:

poprawność logiczna (założenia, rozumowanie, metoda, ...)

poprawność algorytmiczna (struktura, sterowanie procesem, ...)

Na poprawność zapisu składa się:

poprawność składniowa,

poprawność semantyczna.

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

2

Gdzie można popełnić błąd?

1. Błędy składniowe

Powstają w wyniku naruszenia reguł składni języka
programowania, którego używamy do zapisania algorytmu

Np. zamiast

for K :

=

1 to N do X[K] :

=

K

napisaliśmy

for K :

=

1 to N to X[K] :

=

K

Możliwe skutki i znaczenie:

zatrzymanie kompilacji lub interpretacji z komunikatem lub bez,

przerwanie realizacji programu nawet jeśli kompilator błędu nie
wykrył,

błędy nieprzyjemne, ale zwykle niezbyt poważne
– są względnie łatwe do poprawienia.

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

3

2. Błędy semantyczne

Wynikają z niezrozumienia semantyki używanego
języka programowania

Np. sądziliśmy, że po zakończeniu instrukcji wykonania
iteracji ograniczonej

for K :

=

1 to N do X[K] :

=

K

zmienna K ma wartość równą zmiennej N, a nie N + 1,
jak wynika z reguł semantycznych języka MJP,
i wykorzystywaliśmy to w dalszej części programu

Możliwe skutki i znaczenie:

program nie realizuje poprawnie algorytmu,

błędy trudne do przewidzenia i potencjalnie groźne, ale są do
uniknięcia przy wnikliwym sprawdzaniu znaczenia używanych
instrukcji.

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

4

3. Błędy logiczne

Mogą pochodzić z przyjęcia fałszywych założeń, wad
rozumowania lub źle dobranej metody wyznaczania wyniku.

Np. w algorytmie zliczania zdań zawierających słowo
„algorytm” nie zauważyliśmy, że sekwencja dwóch znaków
„. ” może występować także wewnątrz zdania:

„Na Rys. 2 pokazano schemat...”,

a używaliśmy jej do wyszukiwania jego końca.

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

5

Możliwe skutki i znaczenie:

algorytm przestaje być poprawnym rozwiązaniem zadania
algorytmicznego,

dla pewnych zestawów danych wejściowych algorytm podaje
wyniki niezgodne z oczekiwanymi,

procesor może nie być w stanie wykonać pewnych instrukcji
(np. żądamy dzielenia przez 0),

błędy bardzo groźne – mogą być trudne do znalezienia
i pozostawać długo w ukryciu, nawet w trakcie wielokrotnego
używania programu w postaci kodu.

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

6

4. Błędy algorytmiczne

Wynikają z wadliwie skonstruowanych struktur sterujących
np. niewłaściwych zakresów iteracji, niewłaściwych warunków
użytych do zatrzymywania iteracji warunkowych lub
przeniesienia sterowania w niewłaściwe miejsce procesu w
wyniku zastosowania wyboru warunkowego (lub instrukcji
skoku).

Np. pętla nieskończona:

X

←

X + 1

X = 100

stop

W tym punkcie realizacji
algorytmu X = 3,1415

TAK

NIE

2

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

7

algorytm dla pewnych dopuszczalnych danych wejściowych
daje niepoprawny wynik,

wykonanie programu realizującego algorytm jest przerywane
w trybie awaryjnym,

program realizujący algorytm nie kończy w normalnym trybie
swego działania,

błędy groźne, ale możliwe do uniknięcia poprzez staranne
opisanie struktury algorytmu przed jego zapisaniem w
jakimkolwiek języku oraz zachowanie zasad „dobrej praktyki”
programowania.

Możliwe skutki i znaczenie:

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

8

Przykład algorytmu do sprawdzenia, czy nie ma błędów

Konstruujemy algorytm sumowania zarobków pracowników,
którzy zarabiają więcej niż ich bezpośredni przełożeni.

Przyjmujemy koncepcję sprawdzania kolejno płac
wszystkich pracowników; dla każdego z nich będzie
wyszukiwana płaca jego bezpośredniego przełożonego i
porównanie tych dwóch płac będzie decydowało o dodaniu
kolejnego składnika do wyznaczanej sumy.

Zmienna N ma wartość równą liczbie pracowników, zmienne
(indeksowe) I i J wskazują na kolejne elementy tablicy
jednowymiarowej P(X), która zawiera płace pracowników,
zmienna S kumuluje sumę zarobków; dla każdej pary
pracowników wskazanych aktualnymi wartościami zmiennych
I i J jest dostępna informacja, która pozwala stwierdzić, czy J
jest bezpośrednim przełożonym I.

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

9

Czy podany algorytm
zawiera błąd logiczny
lub algorytmiczny?

S

←

0;

I

←

1

start

Czy J

jest bezpośrednim

przełożonym I?

P(I) > P(J)

S

←

S + P(I)

J

←

J + 1

I

←

I + 1

Wypisz wartość S

stop

NIE

NIE

NIE

NIE

TAK

TAK

TAK

TAK

J

←

1

J = N

I = N

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

10

Algorytmem całkowicie poprawnym nazywamy algorytm,
dla którego udowodniono, że nie zawiera on ani błędów
logicznych, ani algorytmicznych.

Twierdzenie, które należy udowodnić brzmi:

„Dany algorytm dla każdego zestawu dopuszczalnych danych
wejściowych samoistnie przestaje działać po wykonaniu
skończonej liczby operacji elementarnych, dając poprawny
(spełniający założone warunki) wynik końcowy”

Etapem pośrednim dla wykazania całkowitej poprawności
może być udowodnienie częściowej poprawności algorytmu.

„Dla każdego zestawu dopuszczalnych danych wejściowych z
faktu, że dany algorytm samoistnie przestał działać po
wykonaniu skończonej liczby operacji elementarnych wynika, że
dał poprawny (spełniający założone warunki) wynik końcowy”

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

11

Dowolne

dopuszczalne

dane

ALGORYTM

częściowo

poprawny

Poprawny

wynik

?

Prawdziwa jest
implikacja:
jeśli to miejsce
osiągnięto,
to wynik
jest poprawny

STOP

Dowolne

dopuszczalne

dane

ALGORYTM

całkowicie

poprawny

Poprawny

wynik

!

Prawdziwe jest
stwierdzenie:
to miejsce
osiągnięto i
wynik jest
poprawny

STOP

Schemat badania

częściowej poprawności

algorytmu

Schemat badania

całkowitej poprawności

algorytmu

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

12

Złożony program komputerowy może zawierać sporą

liczbę błędów różnych typów, popełnionych na różnych

etapach jego powstawania.

Dla złożonego algorytmu badanie jego całkowitej

poprawności może być trudne i czasochłonne

W praktyce opracowywania programów komputerowych

pomija się (niestety) etap badania całkowitej poprawności

algorytmu i bada się „produkt końcowy”, czyli sam program:

testowanie na licznych zestawach danych wejściowych
(dla takiego zestawu powinien być znany wynik końcowy)

uruchamianie w obecności narzędzi diagnostycznych
(badanie stanów pośrednich i końcowych)

3

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

13

Podstawową metodą badania częściowej poprawności
algorytmu jest metoda niezmienników, polegająca na:

wybraniu w schemacie algorytmu punktów kontrolnych,

związaniu z każdym punktem kontrolnym tzw. asercji, czyli
warunku logicznego zależnego od stanu realizacji procesu
wyznaczania założonego wyniku końcowego,

ustaleniu w obrębie każdej z iteracji takiej asercji, której
prawdziwość będzie można wykazać po dowolnej liczbie
powtórzeń tej iteracji (tzw. niezmiennik iteracji),

wykazaniu, że z prawdziwość jednej asercji wynika
prawdziwość następnej, że niezmienniki pozostają prawdziwe
po kolejnych iteracjach i pociągają za sobą prawdziwość
ostatniej asercji, która oznacza osiągnięcie założonego wyniku.

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

14

Po wykazaniu częściowej poprawności algorytmu
podstawową metodą badania jego całkowitej poprawności
jest metoda zbieżników, polegająca na:

ustaleniu dla każdej iteracji zbieżnika, czyli takiej zmiennej,
której wartości zależą od stanu realizacji algorytmu po wykonaniu
kolejnych powtórzeń tej iteracji i tworzą ograniczony ciąg
monotoniczny,

wykazaniu, że każdy ze zbieżników nie może zmieniać się
nieskończoną liczbę razy i algorytm po wykonaniu skończonej
liczby powtórzeń w każdej z iteracji zatrzyma się w ostatnim
punkcie kontrolnym.

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

15

Przykład zastosowania metody niezmienników i zbieżnika

Badamy algorytm odwracania dowolnego napisu, którego działanie
zapisane w postaci procedury odwrócone jest następujące:

odwrócone(„alama2koty”) = „ytok2amala”

Wykorzystamy pomocnicze procedury:

głowa(„alama2koty”) = „a”

ogon(„alama2koty”) = „lama2koty”

oraz operator konkatenacji & (złączenia) dwóch napisów:

„alama” & „2koty” = „alama2koty”

Dla dowolnego napisu T zachodzi tożsamość:

głowa(T) & ogon(T) = T

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

16

Schemat
procedury
odwrócone

X

←

ogon(X )

X = „”

stop

start

X

←

T

Y

←

„”

TAK

Y

←

głowa(X) & Y

NIE

„” oznacza napis
pusty (o liczbie
znaków równej 0)

Po zakończeniu
działania ma być:
Y = odwrócone (T)

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

17

Wybór punktów
kontrolnych i
przydział asercji:

X

←

ogon(X )

X = „”

stop

start

X

←

T

Y

←

„”

TAK

Y

←

głowa(X) & Y

NIE

Asercja 1:
T jest napisem

Asercja 2 (

niezmiennik

):

T = odwrócone(Y) & X

Asercja 3:
Y = odwrócone(T)

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

18

Aby wykazać częściową poprawność algorytmu należy
kolejno udowodnić prawdziwość następujących implikacji:

1. Jeżeli asercja 1. jest prawdziwa, to asercja 2. przed

rozpoczęciem iteracji jest prawdziwa,

2. Jeżeli w pewnym kroku iteracji asercja 2. jest prawdziwa,

to w następnym kroku też jest ona prawdziwa (warunek z
asercji 2. stanie się wtedy niezmiennikiem iteracji),

3. Jeżeli w ostatnim kroku iteracji asercja 2. jest prawdziwa, to

asercja 3. jest też prawdziwa (osiągnięto założony wynik).

4

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

19

Jeżeli T jest napisem (dopuszczalną daną wejściową), to
przed rozpoczęciem iteracji asercja 2. jest prawdziwa, bo
zachodzi oczywista równość:

odwrócone(„”) & T = T , dla Y = „” i X = T

Jeżeli założymy, że po wykonaniu pewnej liczby iteracji zachodzi
T = odwrócone(Y) & X dla pewnego Y i X

≠

„”, to aby wykazać,

ż

e ten warunek nadal będzie spełniony po wykonaniu następnej

iteracji, wystarczy pokazać, że

odwrócone(Y) & X = odwrócone(głowa(X) & Y) & ogon(X) ,

bo nowa wartość Y po wykonaniu iteracji jest równa głowa(X) & Y,
a nowa wartość X jest równa ogon(X).

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

20

AMALA

2KOTY

ALAMA

2KOTY

ALAMA2

KOTY

2AMALA

KOTY

AMALA

2

Y:

X:

Y:

odwrócone(Y) & X:

odwrócone(głowa(X) & Y) & ogon(X):

głowa(X) & Y:

głowa(X):

ogon(X):

Schemat wykazujący, że
odwrócone(Y) & X = odwrócone(głowa(X) & Y) & ogon(X)

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

21

Zatem po wykonaniu kolejnej iteracji zachodzi

T = odwrócone(głowa(X) & Y) & ogon(X),

czyli asercja 2. pozostaje prawdziwa bez względu na liczbę
powtórzeń iteracji – jest jej niezmiennikiem.

Jeżeli po ostatnim powtórzeniu iteracji prawdziwa jest asercja 2., to

T = odwrócone(Y) & X dla X = „”, czyli T = odwrócone(Y).

Z oczywistej równości

odwrócone(T) = odwrócone(odwrócone(Y)) = Y

wynika prawdziwość asercji 3.

Wykazana została częściowa poprawność algorytmu:

jeżeli T jest napisem, to Y = odwrócone(T) w punkcie kontrolnym 3.

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

22

Aby wykazać teraz całkowitą poprawność algorytmu trzeba
wykazać, że dla dowolnego napisu T punkt kontrolny 2. jest
przechodzony tylko skończoną liczbę razy, tzn. 3. punkt
kontrolny jest zawsze osiągany.

Wybieramy w tym celu zbieżnik, którym może być długość napisu
będącego aktualną wartością zmiennej X.

Przed rozpoczęciem iteracji X = T, czyli wartość zbieżnika równa
jest długości napisu T (liczba całkowita nieujemna).

Po każdym powtórzeniu iteracji wartość zbieżnika maleje o 1,
bo X

←

ogon(X ).

Wartość zbieżnika (długość napisu) nie może być mniejsza od
zera, a zatem iteracja może zostać powtórzona tylko skończoną
liczbę razy i algorytm osiągnie punkt kontrolny 3.

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

23

Wykazana została całkowita poprawność algorytmu:

dla każdego napisu T algorytm znajdzie się w punkcie

kontrolnym 3. z wynikiem Y = odwrócone(T).

Przykład do czego prowadzą trudności w stosowaniu metody
niezmienników i zbieżników

Problem kolorowania mapy płaskiej z 1852 r. (de Morgan)

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

24

Rozwiązanie z 1976 r. (Appel i Haken)

Twierdzenie:

Cztery barwy zawsze wystarczą do pokolorowania dowolnej
płaskiej mapy, tak aby każdy z dwóch sąsiadujących obszarów
różnił się kolorem.

Dowód

Zbudowano algorytmy rozwiązujące problem kolorowania w
szczególnych przypadkach map, które wyczerpują wszystkie
możliwe typy map płaskich.

Nikt formalnie nie udowodnił całkowitej poprawności tych
algorytmów!

5

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

25

Dla większości algorytmów rekurencyjnych dowód ich
całkowitej poprawności może być przeprowadzony po
usunięciu najpierw rekurencji z algorytmu – zastąpieniu go
równoważnym algorytmem opartym na iteracjach –
i zastosowaniu potem metody niezmienników i zbieżników.

Przykład usunięcia rekurencji z algorytmu – wieże Hanoi

Ustaw trzy kołki na okręgu

A

B

C

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

26

1. Powtarzaj, co następuje:

1.1. przenieś najmniejszy z dostępnych krążków z kołka, na

którym się znajduje, na kołek następny w kierunku ruchu
wskazówek zegara,

1.2. jeżeli na kołku C znajdują się już wszystkie krążki, to

zakończ działanie,

1.3. wykonaj jedyne możliwe przeniesienie nie zmieniające

położenia najmniejszego krążka, który został przeniesiony
w kroku 1.1.

Iteracyjny algorytm dla problemu wież Hanoi

Jarosław Sikorski - BUDOWA i ANALIZA ALGORYTMÓW, WIT 2006 r.

27

A

B

C

1.

(1.1)

A

→

→

→

→

B

A

B

C

2.

(1.2)

A

→

→

→

→

C

A

B

C

3.

(1.1)

B

→

→

→

→

C

A

B

C

4.

(1.2)

A

→

→

→

→

B

A

B

C

5.

(1.1)

C

→

→

→

→

A

A

B

C

6.

(1.2)

C

→

→

→

→

B

A

B

C

7.

(1.1)

A

→

→

→

→

B

A

B

C

8.